在多平台上安装TensorFlow的方法

TensorFlow是谷歌在近期开源的一款深度学习方面的框架,有纯CPU版本和使用了GPU的版本。我们通过使用它,可以大大方便我们在神经网络方面的工作,降低我们的工作量。众所周知,TensorFlow是基于Python的,所以我们需要使用Python来做。TensorFlow在Windows上仅支持64位Python 3.5。

鉴于Python2已经濒临淘汰,所以,我建议现在以及今后都直接使用Python3来做,除非你手头有一大堆现有的py2的代码项目,否则,Python2迟早是要切换到Python3,到时候又是一大堆代码要手动升级到3版本,3和2的代码差别太大了。

安装必备条件:

官网:https://www.tensorflow.org/

Python 3.5

NVIDIA显卡和CUDA Toolkit 8.0  (GPU版本需要,CPU版本可以忽略)

MSVCP140.DLL (Windows版本需要,有可能你的系统中没有安装它,需要安装有Visual C++ 2015 redistributable (x64 version),Linux可以忽略)

 

安装开始:

(GPU版本有关CUDA的安装请查看这里:

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#optional_install_cuda_gpus_on_linux

Windows版的CUDA安装网上又很多教程,而且操作也比较简单,此处就略去。

CUDA可以从这里下载:

https://developer.nvidia.com/cuda-downloads

Linux系统上TensorFlow-GPU的安装及CUDA环境配置请看这一篇文章:

Linux系统下安装TensorFlow的GPU版本

 

TensorFlow支持不同的安装方式(来自官方):

 

Pip安装:在您的机器上安装TensorFlow,可能会升级以前安装的Python包,也可能影响您机器上现有的Python程序。

Virtualenv安装:将TensorFlow安装在自己的目录中,不影响机器上现有的任何Python程序。

Anaconda安装:在运行Anaconda Python发行版的用户的环境中安装TensorFlow,不影响机器上现有的Python程序。

Docker安装:在与机器上所有其他程序隔离的Docker容器中运行TensorFlow。

从源安装:通过构建一个您使用pip安装的管道轮安装TensorFlow。

如果您熟悉Pip,Virtualenv,Anaconda或Docker,请随时根据您的特定需求进行调整。pip和Docker图像的名称列在相应的安装部分中。

 

如果遇到安装错误,请参阅 某些解决方案的常见问题:

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#common_problems

 

鉴于pip安装会非常简单,也是在多个平台上的通用方法,而且博主只会pip安装,所以我这里暂时只写pip安装方法。

pip安装需要你的python可以使用pip或者pip3命令。

安装TensorFlow:

CPU版

$ pip3 install tensorflow

GPU版

$ pip3 install tensorflow-gpu

如果pip3命令不起作用,请检查Windows环境变量或者是否安装python-pip和python-dev,也可以参考这里的方法:

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#pip_installation

安装完成和测试:

安装完成后,我们可以测试一下TensorFlow是否能够正常使用(官方示例程序):

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

测试过程中,可能还会输出其他的一些信息,不过只要是能够正确地输出需要的结果,那么就应该没有什么问题。

对于GPU版本,你还可以使用下面的代码来测试TF是否可以使用GPU来加速计算,如果输出False,那就是不能使用,否则是可以使用。

>>> tf.test.is_gpu_available()
False
>>>

 

参考资料:

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#pip-installation-on-windows

打赏作者
很喜欢这篇文章,赞赏一下作者,以激励其创作出更多好文!

您的支持将鼓励我们继续创作!

[微信] 扫描二维码打赏

[支付宝] 扫描二维码打赏

分享到社交网络:

发表评论

电子邮件地址不会被公开。 必填项已用*标注